Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Presentador por:
Juan Carlos Africano Barrera
Código
1057579552
Grupo:
300046_11
Tutor:
Luis Alberto Cáceres Torres
Objetivos específicos:
Modelos Probabilísticos
Distribución normal.
¿Qué tipo de histograma se seleccionar un modelo probabilístico para una
variable aleatoria continúa, cuando se tienen datos de esa variable?
Para un modelo probabilístico de una variable aleatoria continua se utiliza un
gráfico de barras, llamado histograma de la distribución de probabilidad, para
ilustrar las probabilidades de que X se queda en rangos seleccionados. A través
de una definición apropiada de histograma, para una situación de intervalos de
clase desiguales hace que la definición y los procesos operativos con variables
aleatorias sean más naturales y con una buena componente intuitiva.
¿Qué es la estandarización, cuál es su fórmula?
Podemos decir es un proceso por el cual tenemos un valor más específico, ya que
se le denomina valor z, donde podemos obtener el valor z con la fórmula que es la
media menos el valor x y lo dividimos con la desviación estándar y nos sirve para
comparar valores obtenidos en distintas distribuciones con el valor z y poder ser
más específicos con el área en una curva normal.
𝐘− 𝛍
La transformación, estandarización, tiene la siguiente forma: 𝐙 =
√ 𝛔𝟐
Y 2 son respectivamente.
La esperanza y la varianza de la distribución de Y.
Distribución binomial.
¿Qué tipo de conteos se trabajan con la distribución Binomial?
La distribución Binomial puede usarse para el cálculo de probabilidades de
eventos provenientes de conteos acotados. Se supone que se realizan cierto
número (n) de experimentos aleatorios y en cada experimento se registra uno de
dos resultados posibles, éxito o fracaso donde el éxito tiene una cierta
probabilidad (P) de ocurrencia.
En la distribución binomial que es n y que es P, esta se usa donde P es la
probabilidad de éxito y n es el número de ensayos Bernoulli independientes, a que
es igual la esperanza y la varianza en esta distribución: La esperanza de la
variable es el número de lanzamientos que resultan en los juegos de azar y hace
referencia a la ganancia promedio esperada por un jugador. La varianza es el
cuadrado de la desviación estándar: σ2, se define con la media de las diferencias
elevadas al cuadrado.
Distribución de Poisson.
¿Qué tipos de conteos se trabaja con la distribución de Poisson?
La distribución de Poisson también sirve como modelo probabilístico para
variables discretas de tipo conteo. A diferencia de la Binomial, donde el conteo se
realizaba sobre n experimentos independientes, en el caso de la Poisson, los
conteos se refieren al número de veces que un evento ocurre en una unidad de
tiempo o espacio dada (hora, kilo, m2, m3, planta, etc.) y por tanto los valores de
la variable no están acotados. Es decir, mientras los valores de Y en una Binomial
podían pertenecer a los naturales entre 0 y n inclusive, en el caso de una Poisson
pueden pertenecer a los naturales entre 0 e infinito.
¿Cómo se denota el único parámetro de esta distribución?
El único parámetro de la distribución Poisson es. Si una variable aleatoria Y se
distribuye como Poisson lo denotamos como: Y~ Poisson (). Esta distribución
tiene un único parámetro, que representa la esperanza y también a la varianza, es
decir que cuando Y~ Poisson (), se cumple: = E (Y) = donde 2= V (Y) =. La
propiedad de esperanza igual a varianza de la distribución Poisson implica que al
aumentar el promedio de los conteos, aumenta también su varianza. La varianza
de una Poisson es función de la media.
Responda falso o verdadero, ¿en la distribución de Poisson es igual la media
y la varianza?
Verdadero, ya que la varianza de la distribución Poisson implica que, al aumentar
el promedio de los conteos, de igual manera aumenta su varianza, ya que la
varianza de la distribución de Poisson es función de la media.
Conclusiones
http://bit.ly/31KchML
http://bit.ly/34yC6RT